Term Frekuensi-Invers Dokumen Frekuensi (TF-IDF) adalah algoritma yang digunakan dalam analisis teks untuk mengukur pentingnya dokumen mengingat korpus dokumen. Ini adalah jenis parameter statistik, yang digunakan untuk menentukan pentingnya kata atau frasa tertentu dalam dokumen tertentu, dibandingkan dengan keseluruhan kumpulan dokumen.
TF-IDF bekerja dengan terlebih dahulu menghitung jumlah kemunculan kata atau frasa tertentu dalam dokumen, yang disebut “frekuensi istilah”. Algoritme kemudian menghitung berapa banyak dokumen yang mengandung istilah tersebut, yang disebut “frekuensi dokumen”. Skor TF-IDF kemudian dihitung dengan mengambil frekuensi term dan membaginya dengan frekuensi dokumen. Hal ini membantu mengidentifikasi kata-kata dalam dokumen yang lebih mungkin memberikan konteks dan makna.
TF-IDF umumnya digunakan dalam aplikasi pengambilan informasi dan penambangan teks. Ini dapat digunakan untuk mengidentifikasi topik dalam dokumen, menemukan dokumen yang relevan dalam koleksi, dan mengekstrak frasa kata kunci untuk ringkasan dokumen.
Metrik TF-IDF berguna untuk berbagai tugas, seperti pengambilan informasi, pengelompokan dokumen, klasifikasi, pencarian dokumen, dan peringkasan teks. Hal ini juga berguna untuk menilai relevansi hasil mesin pencari. Selain itu, dapat digunakan dalam kategorisasi dokumen, dan sering digunakan untuk menilai pentingnya kata-kata dalam dokumen.
Algoritma TF-IDF sederhana namun efektif, dan telah menjadi dasar banyak aplikasi komputasi. Hal ini sangat berguna untuk kumpulan dokumen yang besar, karena dapat dengan cepat dan andal menentukan kata mana yang penting dan mana yang tidak. Oleh karena itu, ini adalah alat yang sangat berharga dalam pemrosesan bahasa dengan bantuan komputer.
